-
公开(公告)号：CN115859030B
公开(公告)日：2023-06-16
申请号：CN202211514000.4
申请日：2022-11-29
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种复杂耦合下的两步估计方法，所述方法包括如下步骤：步骤一、建立复杂耦合网络状态模型、测量输出模型及恶意攻击模型；步骤二、在恶意攻击的影响下对复杂耦合网络状态进行估计；步骤三、求出每个节点的先验估计偏差的协方差上界步骤四、计算每个节点的估计器系数矩阵步骤五、将代入步骤二中的后验状态估计模型中，得到后验估计判断t+1时刻与总时长T的关系，若t+1＜T，则执行步骤六，若t+1＝T，则结束；步骤六、根据计算出每个节点的后验估计偏差协方差上界令t＝t+1，执行步骤二，直至满足t+1＝T。本发明解决了在随机发生耦合和非线性耦合偏差影响下导致估计方法准确率降低的问题，以及在部分节点测量值未知且受恶意攻击时不能估计节点状态的问题。
-
公开(公告)号：CN115935787A
公开(公告)日：2023-04-07
申请号：CN202211386982.3
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F17/16 , G06N3/0455 , G06N3/08 , G06F111/04
Abstract: 本发明公开了一种编码解码机制下的忆阻神经网络状态估计方法，所述方法包括如下步骤：步骤一、建立具有H∞性能约束及传感器能量收割的忆阻神经网络动态模型；步骤二、在编码解码机制下对忆阻神经网络动态模型进行状态估计；步骤三、计算忆阻神经网络的误差协方差矩阵上界及H∞性能约束条件；步骤四、利用随机分析方法，并通过解一系列线性矩阵不等式求解出估计器增益矩阵Kk的解，实现对忆阻神经网络进行状态估计；判断k+1是否达到总时长N，若k+1＜N，则执行步骤二，反之结束。本发明解决了现有状态估计方法不能同时处理编码解码机制下具有H∞性能约束及方差受限忆阻神经网络的状态估计导致的估计性能准确率低的问题，从而提高了估计性能的准确率。
-
公开(公告)号：CN115865702A
公开(公告)日：2023-03-28
申请号：CN202211430178.0
申请日：2022-11-15
Applicant: 哈尔滨理工大学
IPC: H04L41/14 , H04L41/142 , H04L67/12
Abstract: 本发明公开了一种网络调度策略下具有数据衰减的分布式融合估计方法，所述方法包括如下步骤：步骤一、建立具有数据衰减现象的随机非线性时滞系统的传感器网络动态模型；步骤二、对传感器网络动态模型进行状态估计；步骤三、计算一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、计算估计迭代修正矩阵Ki,k+1；步骤五、将Ki,k+1代入步骤二中，得到状态估计判断k+1是否达到传感器网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、计算估计误差协方差矩阵上界∑i,k+1|k+1；步骤七、计算融合估计和融合估计误差协方差矩阵∑0k+1|k+1；令k＝k+1，返回执行步骤二，直至满足k+1＝M。本发明解决了现有方法存在数据衰减现象和网络带宽受限时，不完全的测量信息传输到估计器时，导致其融合估计精度低的问题。
-
公开(公告)号：CN118157630B
公开(公告)日：2024-08-02
申请号：CN202410184673.0
申请日：2024-02-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于传感器网络的定位系统分布式滤波方法，所述方法如下：一、建立定位系统动态模型；二、设计分布式滤波器；三、计算传感器网络中第i个传感器节点在r时刻的一步预测误差协方差矩阵上界∑i,r+1|r；四、计算第i个传感器节点在r+1时刻的滤波器增益矩阵Ki,r+1；五、将Ki,r+1代入到分布式滤波器中，获得第i个传感器节点在r+1时刻的状态估计#imgabs0#判断r+1时刻是否达到总时长T，若r+1＜T，则执行六；六、计算第i个传感器节点在r+1时刻的滤波误差协方差矩阵上界∑i,r+1|r+1；令r＝r+1，执行二，直到满足r+1＝T。本发明解决了基于传感器网络的在自适应事件触发机制以及瑞利衰落信道下的具有随机切换非线性、状态饱和的定位系统分布式滤波问题。
-
公开(公告)号：CN115935787B
公开(公告)日：2023-09-01
申请号：CN202211386982.3
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F17/16 , G06N3/0455 , G06N3/08 , G06F111/04
Abstract: 本发明公开了一种编码解码机制下的忆阻神经网络状态估计方法，所述方法包括如下步骤：步骤一、建立具有H∞性能约束及传感器能量收割的忆阻神经网络动态模型；步骤二、在编码解码机制下对忆阻神经网络动态模型进行状态估计；步骤三、计算忆阻神经网络的误差协方差矩阵上界及H∞性能约束条件；步骤四、利用随机分析方法，并通过解一系列线性矩阵不等式求解出估计器增益矩阵Kk的解，实现对忆阻神经网络进行状态估计；判断k+1是否达到总时长N，若k+1＜N，则执行步骤二，反之结束。本发明解决了现有状态估计方法不能同时处理编码解码机制下具有H∞性能约束及方差受限忆阻神经网络的状态估计导致的估计性能准确率低的问题，从而提高了估计性能的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115865702B
公开(公告)日：2023-05-09
申请号：CN202211430178.0
申请日：2022-11-15
Applicant: 哈尔滨理工大学
IPC: H04L41/14 , H04L41/142 , H04L67/12
Abstract: 本发明公开了一种网络调度策略下具有数据衰减的分布式融合估计方法，所述方法包括如下步骤：步骤一、建立具有数据衰减现象的随机非线性时滞系统的传感器网络动态模型；步骤二、对传感器网络动态模型进行状态估计；步骤三、计算一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、计算估计迭代修正矩阵Ki,k+1；步骤五、将Ki,k+1代入步骤二中，得到状态估计判断k+1是否达到传感器网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、计算估计误差协方差矩阵上界∑i,k+1|k+1；步骤七、计算融合估计和融合估计误差协方差矩阵∑0k+1|k+1；令k＝k+1，返回执行步骤二，直至满足k+1＝M。本发明解决了现有方法存在数据衰减现象和网络带宽受限时，不完全的测量信息传输到估计器时，导致其融合估计精度低的问题。
-
公开(公告)号：CN118157630A
公开(公告)日：2024-06-07
申请号：CN202410184673.0
申请日：2024-02-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于传感器网络的定位系统分布式滤波方法，所述方法如下：一、建立定位系统动态模型；二、设计分布式滤波器；三、计算传感器网络中第i个传感器节点在r时刻的一步预测误差协方差矩阵上界∑i,r+1|r；四、计算第i个传感器节点在r+1时刻的滤波器增益矩阵Ki,r+1；五、将Ki,r+1代入到分布式滤波器中，获得第i个传感器节点在r+1时刻的状态估计#imgabs0#判断r+1时刻是否达到总时长T，若r+1＜T，则执行六；六、计算第i个传感器节点在r+1时刻的滤波误差协方差矩阵上界∑i,r+1|r+1；令r＝r+1，执行二，直到满足r+1＝T。本发明解决了基于传感器网络的在自适应事件触发机制以及瑞利衰落信道下的具有随机切换非线性、状态饱和的定位系统分布式滤波问题。
-
公开(公告)号：CN117216488A
公开(公告)日：2023-12-12
申请号：CN202311169560.5
申请日：2023-09-11
Applicant: 哈尔滨理工大学
IPC: G06F18/15
Abstract: 本发明公开了一种基于三轮阿克曼转向模型的安全Tobit滤波方法，所述方法包括如下步骤：一、建立具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型；二、对三轮阿克曼转向模型进行安全Tobit滤波器设计；三、计算三轮阿克曼转向模型在第h时刻的预测误差协方差矩阵的上界 四、利用计算出三轮阿克曼转向模型在第h+1时刻的增益矩阵Kh+1；五、将Kh+1代入二中获得第h+1时刻的滤波 判别h+1能否达到滤波总时长Y，若满足h+1＜Y，则执行六；六、通过Kh+1计算出三轮阿克曼转向模型在第h+1时刻的滤波误差协方差矩阵的上界 设置h＝h+1，执行二，直至满足h+1＝Y。本发明解决了现有安全Tobit滤波方法不能同时处理删失测量和虚假数据注入攻击的非线性滤波问题。
-
公开(公告)号：CN115859030A
公开(公告)日：2023-03-28
申请号：CN202211514000.4
申请日：2022-11-29
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种复杂耦合下的两步估计方法，所述方法包括如下步骤：步骤一、建立复杂耦合网络状态模型、测量输出模型及恶意攻击模型；步骤二、在恶意攻击的影响下对复杂耦合网络状态进行估计；步骤三、求出每个节点的先验估计偏差的协方差上界步骤四、计算每个节点的估计器系数矩阵步骤五、将代入步骤二中的后验状态估计模型中，得到后验估计判断t+1时刻与总时长T的关系，若t+1＜T，则执行步骤六，若t+1＝T，则结束；步骤六、根据计算出每个节点的后验估计偏差协方差上界令t＝t+1，执行步骤二，直至满足t+1＝T。本发明解决了在随机发生耦合和非线性耦合偏差影响下导致估计方法准确率降低的问题，以及在部分节点测量值未知且受恶意攻击时不能估计节点状态的问题。
-
公开(公告)号：CN202565405U
公开(公告)日：2012-11-28
申请号：CN201220219965.6
申请日：2012-05-16
Applicant: 哈尔滨理工大学
Abstract: 基于云视觉的头像识别及监控装置。传统的监控装置主要采用摄像机将所录下来的图像传到本地监控终端显示，然后监控者通过肉眼对图像进行识别，如发现符合条件的人物，再通过人工方法联系远程工作人员进行警示，此方法存在工作量大、工作人员压力大、过程繁琐、反映速度慢、机动性和灵活性差、匹配信息量不足等缺点。本实用新型的组成包括：摄像机（1），所述的摄像机与中心处理器（2）连接，所述的中心处理器的输出端与本地监控终端（3）、头像及日志存储器（4）连接，所述的中心处理器的控制端与远程客户终端（5）连接，系统管理器（6）与所述的远程客户终端连接。本产品用于人员头像识别及监控。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
